自己増殖型ニューラルネットワークを用いたノイズのある環境下での追加学習が可能な連想記憶システム Associative Memory System for Incremental Learning in Noisy Environment Using Self-Organizing Incremental Neural Network

この論文にアクセスする

この論文をさがす

著者

    • 須藤 明人 SUDO Akihito
    • 東京工業大学大学院総合理工学研究科知能システム科学専攻 Department of Computational Intelligence and System Science, Tokyo Institute of Technology
    • 佐藤 彰洋 SATOU Akihiro
    • 東京工業大学大学院総合理工学研究科知能システム科学専攻 Department of Computational Intelligence and System Science, Tokyo Institute of Technology
    • 長谷川 修 HASEGAWA Osamu
    • 東京工業大学大学院像情報工学研究施設 Imaging Science and Engineering Laboratory, Tokyo Institute of Technology

抄録

We propose a novel associative memory that performs well on incremental learning and is robust to noisy data. Using the proposed method, new associative pairs presented sequentially can be learned accurately without forgetting previously learned patterns. The memory size of the proposed method increases adaptively. Therefore, it suffers neither redundancy nor insufficiency of memory size, even in an environment where the maximum number of associative pairs to be presented is unknown before learning. The proposed method deals with two types of noise. No conventional bidirectional associative memory deals with both types.

収録刊行物

  • 日本神経回路学会誌 = The Brain & neural networks  

    日本神経回路学会誌 = The Brain & neural networks 15(2), 98-109, 2008-06-05 

    Japanese Neural Network Society

参考文献:  17件

参考文献を見るにはログインが必要です。ユーザIDをお持ちでない方は新規登録してください。

被引用文献:  3件

被引用文献を見るにはログインが必要です。ユーザIDをお持ちでない方は新規登録してください。

各種コード

  • NII論文ID(NAID)
    10021157921
  • NII書誌ID(NCID)
    AA11658570
  • 本文言語コード
    JPN
  • 資料種別
    ART
  • ISSN
    1340766X
  • データ提供元
    CJP書誌  CJP引用  J-STAGE 
ページトップへ